> Discover all available pages from the documentation index: https://mastra.zisheng.pro/zh-TW/llms.txt

# 建置 AI 招募人員

在本指南中，你將了解 Mastra 如何協助你使用 LLM 建置 Workflow。

你將建立一個 Workflow，從應徵者的履歷中蒐集資訊，再根據應徵者的背景，分支至技術問題或行為問題。在這個過程中，你會了解如何組織 Workflow 步驟、處理分支，以及整合 LLM 呼叫。

## 先決條件

- 已安裝 Node.js `v22.13.0` 或更新版本
- 具備支援的 [Model Provider](https://mastra.zisheng.pro/zh-TW/models) 所提供的 API 金鑰
- 已有 Mastra 專案（請依照[安裝指南](https://mastra.zisheng.pro/zh-TW/guides/getting-started/quickstart)設定新專案）

## 建置 Workflow

設定 Workflow、定義用於擷取及分類應徵者資料的步驟，接著提出合適的後續問題。

1. 建立新檔案 `src/mastra/workflows/candidate-workflow.ts`，並定義你的 Workflow：

   ```ts
   import { createWorkflow, createStep } from '@mastra/core/workflows'
   import { z } from 'zod'

   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   }).commit()
   ```

2. 你要從履歷文字中擷取應徵者詳細資料，並將對方分類為「技術」或「非技術」人員。此步驟會呼叫 LLM 解析履歷，並傳回結構化 JSON，其中包含姓名、是否為技術人員、專長，以及原始履歷文字。透過 `inputSchema` 定義後，你可以在 `execute()` 中存取 `resumeText`。使用它提示 LLM，並傳回整理後的欄位。

   將以下內容加入現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案：

   ```ts
   import { Agent } from '@mastra/core/agent'

   const recruiter = new Agent({
     id: 'recruiter-agent',
     name: 'Recruiter Agent',
     instructions: `You are a recruiter.`,
     model: 'openai/gpt-5.6-sol',
   })

   const gatherCandidateInfo = createStep({
     id: 'gatherCandidateInfo',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     execute: async ({ inputData }) => {
       const resumeText = inputData?.resumeText

       const prompt = `Extract details from the resume text:
   "${resumeText}"`

       const res = await recruiter.generate(prompt, {
         structuredOutput: {
           schema: z.object({
             candidateName: z.string(),
             isTechnical: z.boolean(),
             specialty: z.string(),
             resumeText: z.string(),
           }),
         },
       })

       return res.object
     },
   })
   ```

   因為你在 `execute()` 中使用 Recruiter Agent，所以需要在該步驟上方定義它，並加入必要的 import。

3. 此步驟會提示被判定為「技術」人員的應徵者，進一步說明他們如何踏入自己的專業領域。它會使用完整的履歷文字，讓 LLM 能擬出切合情境的後續問題。

   將以下內容加入現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案：

   ```ts
   const askAboutSpecialty = createStep({
     id: 'askAboutSpecialty',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} about how they got into "${candidateInfo?.specialty}".
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)

       return { question: res?.text?.trim() || '' }
     },
   })
   ```

4. 如果應徵者是「非技術」人員，你會需要不同的後續問題。此步驟會詢問他們對這個職務最感興趣的部分，同樣會參照完整履歷文字。`execute()` 函式會請 LLM 產生聚焦於職務的問題。

   將以下內容加入現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案：

   ```ts
   const askAboutRole = createStep({
     id: 'askAboutRole',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} asking what interests them most about this role.
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)
       return { question: res?.text?.trim() || '' }
     },
   })
   ```

5. 現在，將這些步驟組合起來，依據應徵者是否為技術人員實作分支邏輯。Workflow 會先蒐集應徵者資料，再根據 `isTechnical` 詢問其專長或職務相關問題。做法是將 `gatherCandidateInfo` 與 `askAboutSpecialty`、`askAboutRole` 串接起來。

   將現有 `src/mastra/workflows/candidate-workflow.ts` 檔案中的 `candidateWorkflow` 修改如下：

   ```ts
   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   })
     .then(gatherCandidateInfo)
     .branch([
       [async ({ inputData: { isTechnical } }) => isTechnical, askAboutSpecialty],
       [async ({ inputData: { isTechnical } }) => !isTechnical, askAboutRole],
     ])
     .commit()
   ```

6. 在 `src/mastra/index.ts` 檔案中註冊此 Workflow：

   ```ts
   import { Mastra } from '@mastra/core'
   import { candidateWorkflow } from './workflows/candidate-workflow'

   export const mastra = new Mastra({
     workflows: { candidateWorkflow },
   })
   ```

## 測試 Workflow

啟動開發伺服器後，你可以在 [Studio](https://mastra.zisheng.pro/zh-TW/docs/studio/overview) 中測試 Workflow：

```bash
mastra dev
```

在側邊欄前往 **Workflows**，並選取 **candidate-workflow**。畫面中央會顯示 Workflow 的圖形檢視，右側邊欄則會預設選取 **Run** 分頁。你可以在此分頁輸入履歷文字，例如：

```text
Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.
```

輸入履歷文字後，按下 **Run** 按鈕。現在應該會看到兩個狀態方塊（`GatherCandidateInfo` 和 `AskAboutSpecialty`），其中包含 Workflow 步驟的輸出。

你也可以呼叫 [`.createRun()`](https://mastra.zisheng.pro/zh-TW/reference/workflows/workflow-methods/create-run) 和 [`.start()`](https://mastra.zisheng.pro/zh-TW/reference/workflows/run-methods/start)，以程式方式測試 Workflow。建立新檔案 `src/test-workflow.ts`，並加入以下內容：

```ts
import { mastra } from './mastra'

const run = await mastra.getWorkflow('candidateWorkflow').createRun()

const res = await run.start({
  inputData: {
    resumeText:
      'Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.',
  },
})

// Dump the complete workflow result (includes status, steps and result)
console.log(JSON.stringify(res, null, 2))

// Get the workflow output value
if (res.status === 'success') {
  const question = res.result.askAboutRole?.question ?? res.result.askAboutSpecialty?.question

  console.log(`Output value: ${question}`)
}
```

現在執行 Workflow，並在終端機中取得輸出：

```bash
npx tsx src/test-workflow.ts
```

你已建置一個可解析履歷，並依據應徵者的技術能力決定要詢問哪個問題的 Workflow。恭喜完成，祝你開發愉快！